yolov5 主要流程

1.介绍

本文包含了有关yolov5目标检测的基本流程，包括模型训练与模型部署，旨在帮助小伙伴们建立系统的认知💖💖

YOLO是 "You only look once "的首字母缩写，是一个开源软件工具，它具有实时检测特定图像中物体的高效能力。YOLO算法使用卷积神经网络（CNN）模型来检测图像中的物体。该算法只需要通过给定的神经网络进行一次前向传播就能检测到图像中的所有物体。这使YOLO算法在速度上比其他算法更有优势，使其成为迄今为止最著名的检测算法之一。

?2.环境依赖

2.1系统环境依赖

• Win 10

• Python 3.8

• PyTorch 1.12.0

• Pycharm professional 2022

?2.2conda环境（重要的包）

• pip install -r requirements.txt (自动安装其他环境)

• pip install wanbd

• pip install tensorboard

?3.模块讲解

文件目录

?注：models是权重配置，没写全

3.1训练

3.1.1介绍

简洁运行：

python train.py

带参数（只列出部分重要参数）：

?

?运行例子，在终端实现。

?3.1.2修改参数

大部分可以直接在train.py文件中parse_opt函数中直接修改。

下面这些不是的，必须在配置文件中修改

• learning_rate修改在--hyp选项中，默认为data/hyps/hyp.scratch.yaml文件；
• dataset修改在--data选项中，默认为data/coco128.yaml文件；
• nc修改在--data选项中，默认为data/coco128.yaml文件；

文件快速定位

3.1.3网络结构

?yolov5 网络结构详细介绍

?3.2验证

3.2.1介绍

简洁运行：

python  val.py

带参数：

?3.2.2评价指标

?yolov5的评价指标详细介绍

?3.3测试

3.3.1介绍

简洁运行：

python detect.py

带参数：

?到这里差不多啦，大家可以看一下专栏中的其他yolov5作品，里面有更加详细的区域介绍。

欢迎点赞关注啦